ترفندهای آموزشی

کنترل فرآیند صنعتی از قرن اول وجود داشته است، خودکار کردن فرایندها برای به حداقل رساندن یا حذف مداخله انسانی. با این حال، با پیشرفت های AI، ML و دیگر پیشرفت ها در IoT، چیزهای زیادی در حال تکامل هستند.

از سال ۱۹۲۰، کنترل فرآیند برای خودکار کردن خطوط تولید برای همه چیز از اتومبیل ها یا کالاهای پخته گرفته تا اپتیک و نیمه رساناهای دقیق استفاده می شود. در مقابل، فن آوری IoT تنها از زمان اینترنت وجود داشته و برای جمع آوری داده از محیط های مختلف استفاده می شود تا بتوان آن را تحلیل و براساس آن عمل کرد؛ اما با انقلاب صنعتی ۴.۰ در نحوه تولید، بهبود و توزیع محصولات شرکت ها از طریق یکپارچه سازی IoT، رایانش ابری و تحلیل، و هوش مصنوعی و یادگیری ماشین در تاسیسات تولیدی آن ها، خطوط بین کنترل فرآیند و IoT در حال محو شدن است.

کنترل فرآیند IoT Versus

ما معمولا کنترل فرآیند را به عنوان استفاده در فرایندهای تولید پیوسته یا خطوط تولید در نظر می گیریم. در سال ۱۷۶۰، اختراعات کنترل فرآیند با هدف جایگزینی اپراتورهای انسانی با فرآیندهای مکانیزه انجام شد. به عنوان مثال، اولیور ایوانز یک کارخانه آرد با نیروی آب ایجاد کرد که با استفاده از سطل و نقاله های پیچ در سال ۱۷۸۴ کار می کرد. هنری فورد در سال ۱۹۱۰ زمانی که خط مونتاژ برای کاهش مداخله انسانی در فرآیند تولید خودرو ایجاد شد، همین نظریه را به کار برد.

امروزه، سیستم های کنترل فرآیند به ما کمک می کنند تا به ثبات تولید، اقتصاد و سطح ایمنی دست یابیم که نمی تواند با کنترل دستی مطابقت داشته باشد. به هر حال، اگر یک خط تولید در هر ساعت هزاران ویجت را خاموش می کند و سیستم کنترل فرآیند آن برخی ویجت های معیوب را اندازه گیری می کند، باید آن ها را به سرعت از خط خارج کند.

در مقابل، شبکه های IoT به طور تاریخی بر جمع آوری داده ها به جای کنترل دستگاه ها متمرکز شده اند. در ساختمان های هوشمند، از شبکه های IoT می توان برای نظارت بر نور محیط (و سپس اطلاع رسانی به یک سیستم کنترل صنعتی برای تغییر شدت روشنایی براساس آستانه های از پیش تعیین شده)یا نظارت و گزارش میانگین تعداد افراد در یک اتاق برای تسهیل برنامه ریزی فضا استفاده کرد.

یک مثال ایستای دیگر از IoT، نظارت بر سطوح داخل دو مخزن فاضلاب است که در کنار هم در یک حیاط ساختمان قرار دارند. حتی زمانی که فرد پر می شود، سیستم تنها یک هشدار ملایم صادر می کند زیرا می داند که براساس نرخ رسوب های اخیر در مخازن، زمان زیادی طول می کشد تا هم پر شوند و هم نیاز به بازیافت داشته باشند. یک شبکه IoT واقعا هوشمند حتی برنامه خالی کردن مخزن را می شناسد و احتمال سرریز شدن را محاسبه می کند.

اما کاربردهای بلادرنگ زیادی وجود دارند، از جمله آن هایی که اتصال بی سیم در آن ها ضروری است، جایی که IoT اکنون در حال ورود به قلمرو کنترل فرآیند سنتی است. برخی از آن ها حساس به زمان هستند و نمی توانند زمان تاخیر مربوط به اتصال کند یا مختل شده را تحمل کنند.

برخی دیگر ماموریت گرا هستند و نمی توانند حتی یک نقطه شکست را تحمل کنند.برطرف کردن مشکلات ماوس در ویندوز ۱۰

لایه های قابلیت اطمینان پوسته هایی از عملکرد مستقل ایجاد می کنند و از عملکرد کلی در برابر بردارهای تهدید ایجاد شده محافظت می کنند. اگر اتصال سلولی سنسورهای IoT از بین برود، LAN محلی تا زمانی که سرویس سلولی دوباره برقرار نشود، همه چیز را اجرا می کند.

اگر LAN شکست بخورد، هر گره در LAN می داند که باید چه کاری انجام دهد و تا زمانی که همه چیز دوباره به هم متصل شود و آن ها بتوانند وضعیت خود را گزارش دهند، به این کار ادامه می دهد.

اگر خود گره بمیرد یا قدرت خود را از دست بدهد، باید پس از رستاخیز به طور یکپارچه ازسر گرفته شود.

آوردن هوش مصنوعی به تصویر

سیستمی که در ادامه توضیح داده می شود را می توان با ویدیو تقویت کرد که مثال خوبی برای اضافه کردن هوش مصنوعی است. تصور کنید که ظرف را با یک دوربین ویدیویی کنترل کنید و سپس اگر کسی وارد ظرف شد به طور خودکار جریان اوزون را قطع کنید.

(اوزون یک اکسنده قدرتمند با کاربردهای صنعتی و مصرفی زیاد است، اما شما نمی خواهید بیش از آنچه که باید استنشاق کنید.)

مطمئنا شما می توانید از دستگاه های IoT بیشتری مانند سنسورهای حرکتی استفاده کنید، اما چه می شود اگر ۱۰ هزار فوت مربع را پوشش دهید؟

برای انجام این نظارت خودکار، هوش مصنوعی تصاویر ویدئویی را تحلیل می کند و اگر حضور انسان را تشخیص دهد، اقدام مناسبی انجام می دهد.

تحلیل ویدیو یکی از کاربردهای رایج موتورهای هوش مصنوعی برای کاربردهایی مانند تشخیص چهره است.

رئیس آینده

از آنجا که شهرها و سازمان ها به دنبال ساده کردن شبکه های فن آوری اطلاعات خود و هم گرایی شبکه های فن آوری اطلاعات و عملیاتی هستند، هوش مصنوعی و IoT نقش بسیار مهمی در اتوماسیون تمام فرایندها ایفا خواهند کرد.

به عنوان مثال، یک حسگر از راه دور دمای محموله و رطوبت نسبی را گزارش می دهد.

یک شبکه IoT پیچیده تر این داده ها را با اطلاعات GPS و میزان مصرف اوزون ضدعفونی شده توسط محموله ها ادغام می کند، نه فقط آن کامیون، بلکه صدها کامیون در ناوگان.

این که داده های IoT به یک دریاچه داده ختم می شوند یک مخزن داده ارزشمند در انتظار هوش مصنوعی و دانشمندان داده است تا آن را برای الگوها و ناهنجاری ها استخراج کنند.

کنترل فرآیند، AI، IoT، تاخیر، انعطاف پذیری، اتصال و استقلال مفاهیمی گسسته هستند، اما با افزایش هوش توزیع شده، خطوط بین آن ها محو می شوند و قدرت محاسبات همچنان در حال رشد است